羅峻　聶鳳明　吳淑煥　范偉　許敏

摘要：在紡織品檢驗中，織物成分的定量分析是一項重要內(nèi)容。以近紅外光譜為代表的快速無損檢測技術(shù)多元校正模型是一種間接分析技術(shù)，需建立多元校正模型進行應(yīng)用。建模人員耗費大量的精力來建立一個穩(wěn)健的模型，以期能夠長期使用。然而，若測定樣品的儀器與建立模型時的條件不同，則不同的條件所造成的光譜變化會使得模型在新的系統(tǒng)條件下不適用。本研究采用典型相關(guān)分析方法（CCA）用于不同類型光譜中紡織品多元校正模型轉(zhuǎn)移問題，獲得了令人滿意效果。

關(guān)鍵詞：紡織品；纖維成分快速檢測；校正模型；模型共享

在紡織品檢測中，織物成分的定量分析是一項重要內(nèi)容?，F(xiàn)有的紡織品成分定量分析方法（化學(xué)溶解、顯微鏡法等）存在著檢測周期長、檢測環(huán)境要求高、人為影響大、使用有毒有害化學(xué)試劑、需破壞樣品等缺點，無法滿足各檢驗監(jiān)督部門及生產(chǎn)企業(yè)對紡織品進行大量檢測的需求[1-3]。為滿足大批次檢測的需求，以近紅外光譜為代表的快速無損檢測技術(shù)已逐漸應(yīng)用于紡織品定量分析中。近紅外光譜法是20世紀90年代以來發(fā)展最快、最引人注目的光譜分析技術(shù)。它是一種間接分析技術(shù)，利用常規(guī)分析方法獲得樣品的組分或性質(zhì)的基本數(shù)據(jù)，綜合運用化學(xué)計量學(xué)方法建立校正模型，實現(xiàn)對未知樣品的定性或定量分析[4-6]。

多元校正模型是近紅外光譜定量分析的基礎(chǔ)。建立一個長期穩(wěn)健、可靠、準確的校正模型是一個非常復(fù)雜的過程，需要消耗大量的時間、人力、物力、財力。但在實際使用中，若校正分析所需要的數(shù)據(jù)是分別從兩臺（或多臺）儀器上測量得到的，而儀器的測量系統(tǒng)不是由同種類型的元器件組成，即其由不同的光源、不同的探測器或者不同的光學(xué)系統(tǒng)組成或者其中的幾個部件不同，則難以將其中一臺儀器上的校正模型直接應(yīng)用于另一臺儀器測量得到的光譜中進行預(yù)測。即便是建模和預(yù)測的光譜都是在同一臺儀器上，但在使用過程中，隨著儀器零部件的維修或更換也都將影響著校正模型的適用性[7-9]。

解決不同儀器間模型轉(zhuǎn)移問題的最直接的方法是在各自的儀器上重新測量光譜，分別建立校正模型，但這將造成巨大的精力和財力浪費。另外一種方法是通過完善儀器加工的標準化，提高儀器加工工藝水平，降低儀器間在器件等各方面存在的差異，使得不同儀器上的測量光譜盡可能一致，這在同一類型儀器之間是可行的，但是對于不同類型的儀器，比如傅里葉變換型儀器和光柵CCD型儀器之間就無法實現(xiàn)。因此解決這一問題較為經(jīng)濟的方法是使用數(shù)學(xué)方法對不同光譜儀之間的系統(tǒng)差異進行修正，使得同一樣品在不同的儀器上測定的光譜盡可能一致，從而實現(xiàn)模型的轉(zhuǎn)移及共享。

模型轉(zhuǎn)移及共享的實現(xiàn)有多種方法，包括對模型系數(shù)b的校正[9]、對預(yù)測結(jié)果的校正如斜率/偏差（S/B）算法[10]以及對光譜一致性的校正如直接標準化（DS）算法、分段直接標準化（PDS）算法[11]、Shenk專利算法[12]和布魯克（PA）算法[13]，但這幾種方法都需要標準化樣品。另外還有一些無需標樣的方法，主要是光譜預(yù)處理方法，例如導(dǎo)數(shù)化（Derivative）、多元信號校正（MSC）、正交信號校正（OSC）、有限脈沖響應(yīng)（FIR）算法[14]等。本研究針對兩臺近紅外光譜儀所測紡織樣品的光譜及結(jié)果，采用典型相關(guān)分析方法對光譜進行校正，取得了較好轉(zhuǎn)移結(jié)果。

1 原理和算法

1.1 典型相關(guān)分析方法（Canonical Correlation Analysis，CCA）

典型相關(guān)分析是研究兩組變量之間相關(guān)關(guān)系的一種多元統(tǒng)計分析方法，它能夠有效地揭示兩組變量之間的相互線性依賴關(guān)系[15]。假設(shè)數(shù)據(jù)L中包括兩組已經(jīng)中心化的變量X和Y，寫成如下形式：

L={（x1，y1），（x2，y2），…，（xn，yn）}

那么可以找到系數(shù)向量wx和wy，使得典型變量

Lx=Lx（wx）=（，，…，）和Ly=Ly（wy）=（，，…，）之間最大相關(guān)。

考慮協(xié)方差矩陣

則典型變量Lx與Ly之間的相關(guān)系數(shù)可以表示為：

而此相關(guān)系數(shù)和系數(shù)向量wx 和wy ，可通過下面方程解出：

在本研究中，我們對源光譜和目標光譜做典型相關(guān)分析，然后，采用所得典型相關(guān)變量進行轉(zhuǎn)換。該轉(zhuǎn)換過程不但可從源光譜和目標光譜中提取共同信息，而且還可濾除噪聲和干擾信息。

2 試驗部分

2.1 儀器和樣本

主機為AntarisⅡ傅里葉變換近紅外光譜儀（主機A，Thermofisher，美國），從機為便攜式iSpec-近紅外光譜儀（從機B，B&WTEK，美國）。

樣品為120個棉滌混紡織物，其中100個為校正集，20個為測試集，按照標準 FZ/T 01057系列進行定性鑒別，按照標準GB/T 2910系列進行定量分析，表1列出了樣品測量值的統(tǒng)計數(shù)據(jù)。

2.2 光譜采集

主機A采用漫反射光譜測量方式進行光譜采集，每次測量樣品旋轉(zhuǎn)120度。光譜數(shù)據(jù)取3次采樣的平均值，整個試驗過程保持室內(nèi)溫度在（20±2）℃，濕度在（60±5）%。近紅外光譜掃描范圍為10000cm-1～4000cm-1，分辨率為8cm-1，掃描次數(shù)32次。從機B同樣采用漫反射光譜測量方式進行光譜采集，每次測量樣品旋轉(zhuǎn)120°。光譜數(shù)據(jù)取3次采樣的平均值，整個試驗過程保持室內(nèi)溫度在（20±2）℃，濕度在（60±5）%。近紅外光譜掃描范圍為900 nm ～1700nm，分辨率為2nm，掃描次數(shù)32次。

2.3 軟件

本研究所用化學(xué)計量學(xué)方法均來自于數(shù)據(jù)分析軟件matlab 7.12（mathsworks，美國）。

3 結(jié)果與討論

3.1 模型建立

主機A所測光譜圖如圖1所示。從圖中可看出，混紡織物光譜發(fā)生較大的背景漂移，普遍認為該漂移是由不同的織物結(jié)構(gòu)、顏色等因素所引起，在建立模型之前，需采用一定的方法扣除。本研究中，采用Norris二階微分法進行處理，平均窗口設(shè)為3，間距設(shè)為9，處理后光譜如圖2所示。

預(yù)處理后的100個校正集樣品采用偏最小二乘法建立棉含量的校正模型，PLS因子數(shù)由蒙特卡洛交互驗證確定，最終確定8個PLS因子用來建立模型。所得模型相關(guān)系數(shù)R2為0.94，預(yù)測誤差均方根（RMSEP）為4.3。

3.2 模型轉(zhuǎn)移結(jié)果

從機B所得光譜如圖3所示，因其儀器類型與主機不同，光譜效應(yīng)、波長點數(shù)、分辨率等均不相同。因此，無法直接采用主機模型進行預(yù)測。為了解決這一問題，我們對其光譜進行轉(zhuǎn)換。

采用典型相關(guān)分析對主從機光譜進行轉(zhuǎn)換，進而采用原模型進行預(yù)測，以RMSEP為考核指標來評價轉(zhuǎn)移結(jié)果。本研究采用Kennard-Stone方法[16]從校正集中選取轉(zhuǎn)移標樣，我們同時考察了不同轉(zhuǎn)移標樣數(shù)量對結(jié)果的影響，所得結(jié)果示于表2。

從表2可以看出，隨著轉(zhuǎn)移標樣的增多，轉(zhuǎn)移效果亦變好，當轉(zhuǎn)移標樣為15個時，轉(zhuǎn)移后的RMSEP已經(jīng)接近原模型的預(yù)測結(jié)果。

轉(zhuǎn)移之后，采用主機A模型對轉(zhuǎn)移后的從機B光譜進行預(yù)測，預(yù)測結(jié)果如圖4所示。從圖4中可見，經(jīng)轉(zhuǎn)移之后，可采用主機A模型直接預(yù)測，預(yù)測結(jié)果令人滿意，實現(xiàn)了模型的共享，節(jié)省了重新建模的人力物力。

4 結(jié)論

從本文研究結(jié)果來看，針對不同類型近紅外光譜儀的光譜差異問題，CCA方法的轉(zhuǎn)移預(yù)測結(jié)果令人滿意，大大簡化了建模的成本，為快速無損光譜的實際應(yīng)用提供了保障。

參考文獻 ：

[1]桂家祥，耿響，要磊， 等. 基于近紅外光譜法的棉/滌混紡紡織物中棉含量快速檢測[J]. 紡織學(xué)報， 2012， 33（4）： 55-59.

[2]虞學(xué)鋒. 服裝產(chǎn)品纖維成分含量項目質(zhì)量狀況分析[J]. 中國纖檢， 2014， 10（10） ：28-29.

[3]王京力，耿響，桂家祥. 基于近紅外光譜法快速檢測滌氨織物的纖維含量[J]. 上海紡織科技， 2013， 41（5）： 45-48.

[4]嚴衍祿，趙龍蓮，韓東海， 等. 近紅外光譜分析基礎(chǔ)與應(yīng)用[M]. 北京 ： 中國輕工業(yè)出版社， 2005.

[5]陸婉珍. 現(xiàn)代近紅外光譜分析技術(shù)[M].第二版. 北京：中國石化出版社，2007.

[6]梁逸曾. 白灰黑復(fù)雜多組分分析體系及其化學(xué)計量學(xué)算法[M]. 長沙：湖南科學(xué)技術(shù)出版社， 1996.

[7]梁逸曾， 許青松. 復(fù)雜體系儀器分析——白灰黑分析體系及其多變量解析方法[M]. 北京 ： 化學(xué)工業(yè)出版社， 2012.

[8] Robert N. Feudale， Nathaniel A. Woody， Huwei Tan， et al. Transfer of multivariate calibration models： a review[J]. Chemometrics and Intelligent Laboratory Systems， 2002， 64（2）： 181-192.

[9] M. Forina， G. Drava， C. Armanino， et al. Transfer of calibration function in near-infrared spectroscopy[J]. Chemometrics and Intelligent Laboratory Systems， 1995， 27（2）： 189-203.

[10] B. Osborne， T. Fearn. Collaborative evaluation of universal calibrations for the measurement of protein and moisture in flour by near infrared reflectance[J]. Journal of Food Technology， 1983， 18： 453-460.

[11] E. Bouveresse， C. Hartmann， D. L. Massart， et al. Standardisation of near-infrared spectrometric instruments： A review[J]. Analytical Chemistry， 1996， 68 （6）： 982 -990.

[12] J. S. Shenk， M. O. Westerhaus. Remote analysis system： US，4866644[P]. 1989.

[13]褚小立，袁洪福，陸婉珍. 普魯克分析用于近紅外光譜儀的分析模型傳遞[J].分析化學(xué)，2002，30（1）：114-119.

[14] Thomas B. Blank， Stephen T. Sum， Steven D. Brown， et al. Transfer of Near-Infrared Multivariate Calibrations without Standards[J]. Analytical Chemistry， 1996， 68 （17）： 2987 -2995.

[15] Fan Wei， Liang Yizeng， Yuan Dalin， Wang jiajun. Calibration model transfer for near-infrared spectra based on canonical correlation analysis[J]. Analytica Chimica Acta， 2008， 623（1）：22-29.

[16] Kennard R W， Stone L A. Computer aided design of experiments[J]. Technometrics， 1969， （11）： 137-148.

[作者單位：羅峻、聶鳳明、吳淑煥、許敏，廣州纖維產(chǎn)品檢測研究院、國家紡織品服裝服飾產(chǎn)品質(zhì)量監(jiān)督檢驗中心（廣州）；范偉，湖南農(nóng)業(yè)大學(xué)]